Porównanie efektywności dwóch algorytmów w zliczaniu ognisk białek wewnątrzjądrowych

licenciate
dc.abstract.enThe observation of DNA damage in the genome, including dangerous double-strand breaks, provides a lot of important information about the various repair mechanisms in cells. It is possible due to presence of markers that are specifically associated with such DNA damage. These markers can be detected with a confocal microscope. Over the last 30 years, many image analysis tools have been released and then improved through automation. The implementation of deep learning algorithms for general use will be a breakthrough. This paper compares the work of popular software, commonly used in image analysis laboratories, with a modern algorithm based on the U-Net neural network. Differences were found both in the use of these programs and the results generated by them. With the development of deep learning algorithms, especially with full automation of work, they should replace traditional solutions. In addition, it is worth taking a closer look at the differences to see areas where verified software still performs better.pl
dc.abstract.plObserwacja występowania w genomie niebezpiecznych uszkodzeń DNA, w tym dwuniciowych pęknięć, dostarcza wielu istotnych informacji o zróżnicowanych mechanizmach naprawczych, zachodzących w komórkach. Jest ona możliwa dzięki występowaniu specyficznych markerów białkowych, ściśle powiązanych z reakcją na uszkodzenia DNA, które można szczegółowo wykryć przy pomocy mikroskopii konfokalnej. Na przestrzeni ostatnich 30 lat udostępniono wiele narzędzi, służących do analizy obrazu. Z biegiem czasu programy te były udoskonalane, a praca automatyzowana. Kolejnym dużym krokiem milowym w ich rozwoju będzie wdrożenie do powszechnego użytku algorytmów opartych o głębokie uczenie. W niniejszej pracy porównano działanie popularnego oprogramowania, powszechnie stosowanego w laboratoriach analizy obrazu, z nowoczesnym algorytmem, opartym o neuronową sieć U-Net. Wykazano różnice zarówno w obsłudze tych programów, oraz w generowanych przez nie wynikach. Wraz z rozwojem algorytmów głębokiego uczenia, a w szczególności z pozbawioną istotnych błędów pełną automatyzacją pracy, powinny one wypierać tradycyjne rozwiązania. Warto natomiast przyjrzeć się różnicom bliżej, aby zaobserwować obszary, w których tradycyjne oprogramowanie nadal sprawdza się lepiej.pl
dc.affiliationUniwersytet Jagielloński w Krakowiepl
dc.areaobszar nauk przyrodniczychpl
dc.contributor.advisorZarębski, Mirosław - 162155 pl
dc.contributor.authorMoskal, Karolpl
dc.contributor.departmentbycodeUJK/UJKpl
dc.contributor.reviewerBujnowicz, Łukaszpl
dc.contributor.reviewerZarębski, Mirosław - 162155 pl
dc.date.accessioned2023-07-07T21:34:06Z
dc.date.available2023-07-07T21:34:06Z
dc.date.submitted2023-07-06pl
dc.fieldofstudybioinformatykapl
dc.identifier.apddiploma-160476-274367pl
dc.identifier.urihttps://ruj.uj.edu.pl/xmlui/handle/item/314756
dc.languagepolpl
dc.subject.enɣH2AX, ionizing radiation-induced foci, DeepFoci, Fiji, ImageJ, double-strand breaks, image analysis, image segmentation, deep learning, U-Net, confocal microscopypl
dc.subject.plɣH2AX, ogniska indukowane promieniowaniem jonizującym, DeepFoci, Fiji, ImageJ, dwuniciowe pęknięcia DNA, analiza obrazu, segmentacja obrazu, głębokie uczenie, U-Net, mikroskopia konfokalnapl
dc.titlePorównanie efektywności dwóch algorytmów w zliczaniu ognisk białek wewnątrzjądrowychpl
dc.title.alternativeEfficiency comparison of two algorithms for counting intranuclear protein focipl
dc.typelicenciatepl
dspace.entity.typePublication
dc.abstract.enpl
The observation of DNA damage in the genome, including dangerous double-strand breaks, provides a lot of important information about the various repair mechanisms in cells. It is possible due to presence of markers that are specifically associated with such DNA damage. These markers can be detected with a confocal microscope. Over the last 30 years, many image analysis tools have been released and then improved through automation. The implementation of deep learning algorithms for general use will be a breakthrough. This paper compares the work of popular software, commonly used in image analysis laboratories, with a modern algorithm based on the U-Net neural network. Differences were found both in the use of these programs and the results generated by them. With the development of deep learning algorithms, especially with full automation of work, they should replace traditional solutions. In addition, it is worth taking a closer look at the differences to see areas where verified software still performs better.
dc.abstract.plpl
Obserwacja występowania w genomie niebezpiecznych uszkodzeń DNA, w tym dwuniciowych pęknięć, dostarcza wielu istotnych informacji o zróżnicowanych mechanizmach naprawczych, zachodzących w komórkach. Jest ona możliwa dzięki występowaniu specyficznych markerów białkowych, ściśle powiązanych z reakcją na uszkodzenia DNA, które można szczegółowo wykryć przy pomocy mikroskopii konfokalnej. Na przestrzeni ostatnich 30 lat udostępniono wiele narzędzi, służących do analizy obrazu. Z biegiem czasu programy te były udoskonalane, a praca automatyzowana. Kolejnym dużym krokiem milowym w ich rozwoju będzie wdrożenie do powszechnego użytku algorytmów opartych o głębokie uczenie. W niniejszej pracy porównano działanie popularnego oprogramowania, powszechnie stosowanego w laboratoriach analizy obrazu, z nowoczesnym algorytmem, opartym o neuronową sieć U-Net. Wykazano różnice zarówno w obsłudze tych programów, oraz w generowanych przez nie wynikach. Wraz z rozwojem algorytmów głębokiego uczenia, a w szczególności z pozbawioną istotnych błędów pełną automatyzacją pracy, powinny one wypierać tradycyjne rozwiązania. Warto natomiast przyjrzeć się różnicom bliżej, aby zaobserwować obszary, w których tradycyjne oprogramowanie nadal sprawdza się lepiej.
dc.affiliationpl
Uniwersytet Jagielloński w Krakowie
dc.areapl
obszar nauk przyrodniczych
dc.contributor.advisorpl
Zarębski, Mirosław - 162155
dc.contributor.authorpl
Moskal, Karol
dc.contributor.departmentbycodepl
UJK/UJK
dc.contributor.reviewerpl
Bujnowicz, Łukasz
dc.contributor.reviewerpl
Zarębski, Mirosław - 162155
dc.date.accessioned
2023-07-07T21:34:06Z
dc.date.available
2023-07-07T21:34:06Z
dc.date.submittedpl
2023-07-06
dc.fieldofstudypl
bioinformatyka
dc.identifier.apdpl
diploma-160476-274367
dc.identifier.uri
https://ruj.uj.edu.pl/xmlui/handle/item/314756
dc.languagepl
pol
dc.subject.enpl
ɣH2AX, ionizing radiation-induced foci, DeepFoci, Fiji, ImageJ, double-strand breaks, image analysis, image segmentation, deep learning, U-Net, confocal microscopy
dc.subject.plpl
ɣH2AX, ogniska indukowane promieniowaniem jonizującym, DeepFoci, Fiji, ImageJ, dwuniciowe pęknięcia DNA, analiza obrazu, segmentacja obrazu, głębokie uczenie, U-Net, mikroskopia konfokalna
dc.titlepl
Porównanie efektywności dwóch algorytmów w zliczaniu ognisk białek wewnątrzjądrowych
dc.title.alternativepl
Efficiency comparison of two algorithms for counting intranuclear protein foci
dc.typepl
licenciate
dspace.entity.type
Publication
Affiliations

* The migration of download and view statistics prior to the date of April 8, 2024 is in progress.

Views
2
Views per month
Views per city
Pietrzykowice
1

No access

No Thumbnail Available